我正在尝试使用 Tensorflow 构建一个能够处理 3D 数据的 LSTM RNN。根据这篇论文，网格 LSTM RNN 可以是 n 维的。我的网络设计思路是有一个 3D 体数据 [depth, x, y]，网络结构应为 [depth, x, y, n_hidden]，其中 n_hidden 是 LSTM 单元的递归调用次数。想法是每个像素点都有自己的 LSTM 递归调用“字符串”。

输出的形状应为 [depth, x, y, n_classes]。我正在进行二元分割——可以理解为前景和背景，所以类别的数量只有 2 个。

# 网络参数
n_depth = 5
n_input_x = 200 # MNIST 数据输入（图像形状：28*28）
n_input_y = 200
n_hidden = 128 # 隐藏层特征数量
n_classes = 2

# tf 图输入
x = tf.placeholder("float", [None, n_depth, n_input_x, n_input_y])
y = tf.placeholder("float", [None, n_depth, n_input_x, n_input_y, n_classes])

# 定义权重
weights = {}
biases = {}

# 初始化权重
for i in xrange(n_depth * n_input_x * n_input_y):
    weights[i] = tf.Variable(tf.random_normal([n_hidden, n_classes]))
    biases[i] = tf.Variable(tf.random_normal([n_classes]))

def RNN(x, weights, biases):
    # 准备数据形状以匹配 `rnn` 函数要求
    # 当前数据输入形状：(batch_size, n_input_y, n_input_x)
    # 置换 batch_size 和 n_input_y
    x = tf.reshape(x, [-1, n_input_y, n_depth * n_input_x])
    x = tf.transpose(x, [1, 0, 2])
    # 重塑为 (n_input_y*batch_size, n_input_x)
    x =  tf.reshape(x, [-1, n_input_x * n_depth])
    # 分割以获得形状为 (batch_size, n_hidden) 的 'n_input_y' 个张量列表
    # 这是 `rnn` 函数所需的输入形状
    x = tf.split(0, n_depth * n_input_x * n_input_y, x)

    # 使用 tensorflow 定义一个 lstm 单元
    lstm_cell = grid_rnn_cell.GridRNNCell(n_hidden, input_dims=[n_depth, n_input_x, n_input_y])
    # lstm_cell = rnn_cell.MultiRNNCell([lstm_cell] * 12, state_is_tuple=True)
    # lstm_cell = rnn_cell.DropoutWrapper(lstm_cell, output_keep_prob=0.8)
    outputs, states = rnn.rnn(lstm_cell, x, dtype=tf.float32)

    # 使用 rnn 内部循环的最后输出进行线性激活
    # pdb.set_trace()
    output = []
    for i in xrange(n_depth * n_input_x * n_input_y):
        # 这里我需要对 outputs[i] 进行某种重塑
        output.append(tf.matmul(outputs[i], weights[i]) + biases[i])
    return output

pred = RNN(x, weights, biases)
pred = tf.transpose(tf.pack(pred),[1,0,2])
pred = tf.reshape(pred, [-1, n_depth, n_input_x, n_input_y, n_classes])

# pdb.set_trace()
temp_pred = tf.reshape(pred, [-1, n_classes])
n_input_y = tf.reshape(y, [-1, n_classes])
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(temp_pred, n_input_y))

目前我遇到了错误：TypeError: unsupported operand type(s) for +: 'int' and 'NoneType'

这个错误发生在 RNN 初始化之后：outputs, states = rnn.rnn(lstm_cell, x, dtype=tf.float32)

x 的类型当然是 float32

我无法确定 GridRNNCell 返回的类型是什么，能在这里提供帮助吗？这可能是问题所在。我是否应该为它定义更多的参数？input_dims 是有意义的，但 output_dims 应该是什么？

这是 contrib 代码中的一个错误吗？

GridRNNCell 位于 contrib/grid_rnn/python/ops/grid_rnn_cell.py

回答：

您使用的是哪种版本的网格 LSTM 单元？

如果您使用的是 https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/rnn/python/ops/rnn_cell.py

我认为您可以尝试初始化 ‘feature_size’ 和 ‘frequency_skip’。另外，我认为可能存在另一个错误。将动态形状输入到这个版本中可能会导致 TypeError